Expected Goals (xG): Wat Is Het en Hoe Gebruik Je Het?

Er is geen statistiek die het voetbal de afgelopen tien jaar zo heeft veranderd als Expected Goals. Voor trainers, analisten en scouts is xG een onmisbaar instrument geworden. Voor wedders is het misschien nog waardevoller — want xG beantwoordt precies de vraag die elke wedder zou moeten stellen: presteert een team beter of slechter dan wat de onderliggende kansen rechtvaardigen? Het antwoord op die vraag is de sleutel tot het vinden van value.

Toch wordt xG door veel recreatieve wedders genegeerd of verkeerd begrepen. Sommigen beschouwen het als een academische abstractie die niets met de werkelijkheid te maken heeft — “het scorebord liegt niet.” Anderen gebruiken het oppervlakkig, als vervanging voor daadwerkelijke doelpunten zonder te begrijpen wat het getal werkelijk meet. Beide benaderingen missen de essentie. xG is geen vervanging voor de uitslag — het is een lens die zichtbaar maakt wat de uitslag verbergt.

Wat meet xG precies?

Expected Goals kwantificeert de kwaliteit van de doelkansen die een team creëert. Elk schot in een wedstrijd krijgt een xG-waarde tussen 0 en 1, gebaseerd op de historische kans dat een schot vanuit die positie, in die situatie, een doelpunt oplevert. Een strafschop heeft een xG van ongeveer 0.76. Een schot uit een een-op-een met de keeper vanuit zes meter kan een xG van 0.40 tot 0.60 hebben. Een afstandsschot van dertig meter heeft een xG van 0.02 tot 0.05.

De factoren die de xG-waarde bepalen, variëren per model, maar de meeste modellen houden rekening met de afstand tot het doel, de hoek ten opzichte van het doel, het type schot (voet of hoofd), of het een open kans was of onder druk, en of de bal vanuit een voorzet, een doorsteekpass of een individuele actie kwam. Sommige geavanceerde modellen integreren ook de positie van verdedigers en de keeper, wat de nauwkeurigheid verhoogt maar de complexiteit aanzienlijk vergroot.

De xG van een team in een wedstrijd is simpelweg de som van de xG-waarden van alle schoten. Als een team tien schoten neemt met een gemiddelde xG van 0.12 per schot, is de totale xG 1.2. Dat betekent dat het team, op basis van de kwaliteit van zijn kansen, gemiddeld 1.2 doelpunten had mogen verwachten. Of het team daadwerkelijk nul, een, twee of drie keer scoorde, hangt af van de afwerking — en afwerking bevat een aanzienlijke component toeval.

Het verschil tussen xG en werkelijke doelpunten

Het verschil tussen de xG van een team en het daadwerkelijke aantal doelpunten wordt de xG-overperformance of -underperformance genoemd. Een team dat in tien wedstrijden 18 doelpunten scoort bij een xG van 14 presteert 4 doelpunten boven verwachting. Een team dat 10 doelpunten scoort bij een xG van 14 presteert 4 doelpunten onder verwachting.

Op korte termijn kan overperformance of underperformance aanzienlijk zijn. Een spits die drie van zijn vier kansen benut in een wedstrijd, presteert boven verwachting — maar dat is niet ongebruikelijk in een enkele wedstrijd. Over langere periodes tendeert het verschil echter naar nul. Teams die structureel boven hun xG scoren, zullen dat in de meeste gevallen niet volhouden. De afwerking keert terug naar het gemiddelde — een principe dat in de statistiek bekend staat als regressie naar het gemiddelde.

Dit principe is goud waard voor wedders. Als een team de afgelopen tien wedstrijden ver boven zijn xG heeft gescoord, is de kans groot dat de doelpuntenproductie in de komende wedstrijden zal dalen. De bookmaker baseert zijn odds deels op de recente resultaten, niet uitsluitend op de xG. Dat verschil kan value creëren: de odds reflecteren de onhoudbare overperformance, terwijl de werkelijke kans dichter bij de xG-verwachting ligt.

Het omgekeerde geldt ook. Een team dat structureel onder zijn xG presteert, creëert voldoende kansen maar mist ze. Vroeg of laat normaliseert de afwerking, en het team begint meer te scoren zonder dat er iets fundamenteels aan het spel verandert. De bookmaker die de recente resultaten zwaarder weegt dan de xG, biedt in die periode te hoge odds op dat team — en daar ligt de value voor de wedder die naar de onderliggende cijfers kijkt.

xG toepassen in je wedanalyse

De praktische toepassing van xG bij sportweddenschappen volgt een aantal stappen. De eerste stap is het verzamelen van de juiste data. Websites als FBref (eigendom van Sports Reference) bieden uitgebreide xG-statistieken per team en per wedstrijd voor alle grote Europese competities, inclusief de Eredivisie. Understat is een andere betrouwbare bron met iets andere modellen, wat nuttig is voor kruisvalidatie.

De tweede stap is het berekenen van teamgemiddelden voor xG-productie (aanval) en xG Against (verdediging), opgesplitst naar thuis- en uitwedstrijden. Een team kan thuis een gemiddelde xG-productie van 1.9 hebben maar uit slechts 1.2. Dat verschil is relevant voor je inschatting van specifieke wedstrijden. Gebruik bij voorkeur een voortschrijdend gemiddelde van de laatste acht tot tien wedstrijden, zodat je model actueel genoeg is maar niet te sterk reageert op een enkele uitschieter.

De derde stap is het combineren van de aanvals-xG van het ene team met de verdedigings-xG Against van het andere. Als de thuisploeg een aanvals-xG van 1.8 per thuiswedstrijd heeft en de uitploeg een xGA van 1.6 per uitwedstrijd, kun je een gewogen gemiddelde nemen — bijvoorbeeld 1.7 — als de verwachte doelpuntenproductie van de thuisploeg. Doe hetzelfde voor de uitploeg. Deze verwachte doelpunten kun je vervolgens als input gebruiken voor een Poisson-model om de kansverdeling voor de wedstrijd te berekenen, of simpelweg vergelijken met wat de bookmaker-odds impliceren.

Beperkingen van xG waar je op moet letten

xG is een krachtig hulpmiddel, maar het is geen alwetend orakel. Er zijn beperkingen waar de verstandige wedder rekening mee houdt.

Ten eerste meten de meeste publiek beschikbare xG-modellen alleen de kwaliteit van schoten, niet de kwaliteit van het aanvalsspel als geheel. Een team dat tien aanvallen opbouwt maar slechts twee keer tot een schot komt, heeft een lage xG die niet volledig reflecteert hoe dominant het was. Modellen die ook niet-geschoten kansen meenemen, zoals expected threat of possession value, geven een completer beeld maar zijn minder breed beschikbaar.

Ten tweede is xG gebaseerd op historische gemiddelden. Een schot vanuit dezelfde positie heeft dezelfde xG, ongeacht of het genomen wordt door een wereldklassespits of een verdediger die zelden scoort. In werkelijkheid maakt de kwaliteit van de afwerker verschil. Enkele topspitsen — denk aan het niveau van een Robert Lewandowski of Erling Haaland — presteren structureel boven hun xG, niet door toeval maar door bovengemiddelde schietkwaliteit. Bij het analyseren van teams met zulke uitzonderlijke spitsen moet je de xG-data met een korrel zout nemen.

Ten derde veranderen teams gedurende het seizoen. Wissels in de basiself, tactische verschuivingen of een trainerswissel kunnen de xG-productie abrupt veranderen. Een voortschrijdend gemiddelde dat te ver teruggaat, pikt die verandering te langzaam op. Een gemiddelde dat te kort is, wordt te sterk beïnvloed door toeval. De balans vinden is een kunst die geen formule perfect oplost.

xG Against: de vergeten helft

Veel wedders die xG beginnen te gebruiken, focussen op de aanvallende kant — hoeveel xG produceert een team? Maar de verdedigende tegenhanger, xG Against, is minstens zo waardevol. Een team met een lage xGA staat weinig kansen toe, ongeacht hoeveel doelpunten het daadwerkelijk incasseert. Een team met een hoge xGA creëert structurele kwetsbaarheid, zelfs als de keeper boven verwachting presteert en de doelpunten beperkt houdt.

Het verschil tussen xGA en daadwerkelijk geïncasseerde doelpunten is net zo onderhevig aan regressie naar het gemiddelde als de aanvallende kant. Een keeper die structureel beter presteert dan de xGA — meer ballen tegenhoudt dan verwacht — zal die overperformance op termijn niet volledig volhouden. Dit biedt identieke mogelijkheden voor de wedder: teams waarvan de verdediging beter lijkt dan hij is (lage doelpunten tegen, hoge xGA) zijn kandidaten voor over-weddenschappen of BTTS-ja.

Het getal dat de ruis wegfiltert

Expected Goals is uiteindelijk een poging om het signaal te scheiden van de ruis in voetbalresultaten. Doelpunten zijn het signaal dat iedereen ziet. xG is het signaal dat eronder ligt — minder zichtbaar, minder spectaculair, maar betrouwbaarder als voorspeller van toekomstige prestaties. De wedder die leert om xG-data te lezen, te interpreteren en toe te passen, kijkt door de mist van individuele wedstrijden heen naar de onderliggende patronen. En het zijn die patronen — niet de uitslagen van afgelopen weekend — die bepalen waar de odds de werkelijkheid het sterkst verkeerd inschatten.